基于稀疏表示人臉識別系統的設計

摘要：為了消除光照對人臉識別的影響，提出一種基于光照魯棒稀疏表示的人臉識別方法。該方法對圖像作小波變換，得到光照歸一化圖像，通過對光照歸一化后人臉圖像作稀疏變換，稀疏表示分類得出測試識別結果。本文方法在Yale B人臉庫上仿真實驗，識別率較高，對光照、表情、遮擋具有一定的魯棒性。

關鍵詞：人臉識別;稀疏表示;魯棒性

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2020）17-0179-01

開放科學（資源服務）標識碼（0SID）：

1 引言

隨著科學技術的發展，人臉識別技術快速發展并得到了廣泛應用。人臉識別是計算機視覺與模式識別領域一個重要問題，一直都是研究的熱點，在公共安全、人機交互、自助服務等領域中都有著重要的應用。經過幾十年的發展，基于圖像的人臉識別技術已經獲得了巨大的進步，在理想條件下，人臉識別系統效果比較好，然而，在研究高效魯棒性的人臉識別算法有諸多難點，其中就有“維數災難”問題、光照變化問題、表情變化問題等[1]。為了提高光照的魯棒性，本文提出一種基于光照魯棒稀疏表示的人臉識別方法。其核心思想是：先對人臉圖像進行小波歸一化預處理，再將人臉圖像進行稀疏表示的分類，得出測試人臉圖像的類別。

2 稀疏表示人臉識別算法

稀疏表示分類將測試樣本表示成訓練樣本的線性組合，通過稀疏重構求出稀疏系數進行圖像分類[2]。對于同一個人臉圖像來說，他們之間都存在明顯的相似性，因此可以用全部人臉圖像即訓練樣本，通過對訓練樣本的訓練提取特征構造字典，再通過字典對測試人臉圖像進行稀疏表示分類。設有C個人即C類，每個人有M張人臉圖像即C*M人臉圖像組成訓練樣本，通過訓練，提取訓練樣本特征，構建字典A，測試圖像y是C類中某一個人的人臉圖像，則y，可由字典A線性組合表示，即y=Ax。通過計算得到系數x，判斷測試圖像類別。通過計算minllxll os.ty= Ax求解x。求向量Z。范數，是非凸函數，是NP難問題。在一定的條件下最小化l0范數和最小化Z，范數同解[3]，即minllxll.s.ly=Ax該問題是一個凸優問題，易求解。如果人臉圖像像素損毀，即可轉化為minllxll.+Allell，s.t y=Ax+e求解x，其中，e表示損毀產生的噪聲，對應人臉圖像損毀的像素。最后，根據稀疏表示系數x計算待測試圖像y與每個人臉圖像的重構誤差（

）最小對應的類，即為識別結果。

3 實驗仿真

本實驗在Yale B[4]庫上驗證本文方法的有效性，機器采用聯想臺式機，處理器為InteI（R） Core2 E7500 2.94GHz，4G內存，Windows7 64位操作系統;軟件采用Matlab2017b。Yale B庫是由15個人的人臉圖像組成，每人包含11張圖像，隨機的取出每個人一張人臉圖像作為測試圖像，構成測試集，剩下的每人10張人臉圖像作為訓練集，并將每個人臉圖像依次標上序號。

實驗仿真分三部進行第一步：圖像預處理。通過對人臉圖像預處理，增強對光照的不敏感，提高圖像識別率。第二步：通過訓練構建字典。通過對訓練集訓練，提取人臉圖像的特征，構建訓練字典。第三步：人臉圖像測試。人臉圖像測試分三種情況，第一種情況是實驗仿真選擇測試的人臉圖像與訓練集的人臉圖像光照不同，如圖1所示;第二種情況是實驗仿真選擇測試的人臉圖像與訓練集的人臉圖像表情不同，如圖2所示;第三種情況是實驗仿真選擇測試的人臉圖像部分被遮擋。 4 結論

本文提出一種基于光照魯棒的稀疏表示人臉識別方法，該方法對人臉圖像作小波變換，得到光照歸一化人臉圖像，再通過稀疏變換，稀疏分類獲得測試結果。實驗仿真結果表明，本文方法不僅對光照具有良好的魯棒性，而且對人臉圖像部分遮擋以及表情都表現出一定的魯棒性。

參考文獻：

[1]平強，莊連生，俞能海.姿態魯棒的分塊稀疏表示人臉識別算法[J].中國科學技術大學學報，2011，41（11）：975-981.

[2]王林，鄧芳娟.改進的加權稀疏表示人臉識別算法[J].計算機系統應用，2018， 27（6）：136-141.

[3] Candes E，Tao T.Near-optimal signal recovery from randomprojections： universal encoding strategies[J]. lEEE Transactionon Information Theory，2006，52（12）：5406-5425.

[4] GEORGHIADES A S，BELHUMEUR P N， KRIEGMAN D J.Form few to many： illumination cone models for face recogni-tion under variable lighting and pose[J].IEEE Trans on PatternAnalvsis and Machine Intelligence， 2001，23（6）：643-660.

【通聯編輯：唐一東】

基金項目：安徽省自然科學研究重點項目：基于人臉識別的智能門禁系統研究（KJ2018A0655）;校級科研項目：基于人臉識別的門禁系統研究（WJKY-201723）

作者簡介：朱強軍（1984-），男，碩士，講師，研究方向為圖像處理，模式識別。